Akademik Veri Yönetim Sistemi
The International Cumhuriyet Artificial Intelligence Applications Conference, Sivas, Türkiye, 8 - 09 Aralık 2022, ss.39-43
Son yıllarda yapılan çalışmalarda derin öğrenme algoritmalarının kullanım oranının oldukça arttığı dikkat çekmektedir. Bu çalışmada yazılım tabanlı telsizlerde kullanılan güç yükselteç (GY) modülünün kazanç kalibrasyonunun maliyetine odaklanılmıştır. Güç yükselteç (GY) modülünün istenilen kazancı elde etmesi için şartlara göre farklı toleransları olan pasif bileşenlerin çeşitli durumlar için kalibre edilmesi gerekmektedir. Ancak bu kalibrasyon geleneksel yöntemlerle oldukça zaman aldığı için bu çalışmada derin öğrenme tekniklerinden Çok Katmanlı Algılayıcılar (MLP) ve Konvolüsyon Sinir Ağları (CNN) yöntemi üçüncü parti yazılım olan AX platformu ile kullanılarak yeni bir kalibrasyon yöntemi önerilmiştir ve iki yöntemin performans karşılaştırılması yapılmıştır. Güç yükselteç modülünün kazanç kalibrasyonu tahmini performans sonuçları her iki yöntem ve her iki veri seti için karşılaştırılmıştır. Yapılan çalışmalar sonucunda en iyi sonuç %1.07 hata payı ile akım verisini içeren veri setinin MLP algoritması ile kullanımı sonucunda elde edilmiştir